厌倦了家人或同事发来的长达七分钟的语音便签？将文件拖入这款免费的 Windows 应用，几秒钟即可阅读转录文本。支持 96 种语言，音频绝不上传。
无需注册，无需上传，没有按分钟计费。
如果您只在手机上使用 WhatsApp，请从 whatsapp.com 或 Microsoft Store 获取桌面客户端。打开它，用手机扫描二维码，您的完整聊天记录就会同步过来。WhatsApp 桌面版为语音便签提供了可靠的右键“另存为”菜单，而浏览器中的 WhatsApp 网页版通常无法做到这一点。
在您的聊天中找到该语音消息。右键点击它并选择“另存为”。WhatsApp 桌面版会提供一个文件名，并将音频保存到您的“下载”文件夹中，格式为 .opus 或 .ogg。两者都是标准的 Opus 编解码器文件，StarWhisper 可以原生处理它们。您无需进行任何转换。
从主页下载 StarWhisper。安装程序很小，设置过程会引导您完成一次性的模型下载，以便应用之后可以离线工作。免费版每天可转录 500 字，每周 3500 字，足以满足典型的个人使用，无需购买 Pro 计划。
打开 StarWhisper，然后将 .ogg 或 .opus 文件从文件资源管理器拖到窗口上。应用会自动识别语言并开始转录。在现代 CPU 上，典型的 30 秒语音便签可在两到五秒内完成。如果使用 NVIDIA GPU，则几乎是瞬间完成。
文本将显示在 StarWhisper 窗口中。将其复制到剪贴板，粘贴到聊天或文档中，或者保存为 .txt 文件。语音便签现在变成了可搜索、可浏览、可引用的文本。您再也不必被迫听完整个内容了。
具体的理由，而不是模糊的好处。
默认的本地模式在您自己的机器上运行 OpenAI Whisper。不上传，没有第三方存储，没有服务器窥探您的家庭群聊。
无论语音便签是西班牙语、印地语、阿拉伯语、普通话、波兰语，还是 96 种受支持语言中的任何一种，StarWhisper 都会自动识别语言。
WhatsApp 的 .opus 和 .ogg 文件可直接加载。无需第三方转换器，无需在线 MP3 提取工具，无需粘贴命令行 ffmpeg 指令。
一次性下载模型，然后即可完全离线运行。适用于飞行途中、敏感录音处理，或任何您不信任网络的环境。
每天可处理大约 5 到 10 条典型语音便签，没有注册门槛，无需信用卡，没有试用倒计时。在此查看免费版详情。
NVIDIA GPU 用户可通过 CUDA 获得近乎瞬间的转录体验。GPU 支持详情。
WhatsApp 语音消息有一个特殊的问题。它们对发送者来说很方便，可以边走边独白，但对接收者来说效率很低，接收者必须找到耳机、戴上，并以实际语速收听，才能提取出大概二十秒的真正信息。来自亲戚的六分钟语音便签通常只包含一个日期、一个问题以及大量的背景铺垫。花十五秒读完转录文本绝对是一种更好的体验。
另一个原因是：可搜索性。一旦语音便签被转录，您就可以在聊天记录中搜索其中的字词。WhatsApp 自身的搜索只能索引文本消息，因此几个月内的语音便签就成了一个不透明的黑匣子。将转录文本保存到笔记应用或文档中，意味着您的语音便签信息以后可以被检索。那些从特定联系人（父母、经理、项目负责人）那里收到大量语音便签的人表示，将它们转换为文本改变了他们与该聊天之间的关系。
云转录服务确实存在，但大多数按分钟收费，要求您将敏感的个人音频上传到他们的服务器，并且需要使用信用卡注册。这笔账很快就会变得不划算：按每分钟 10 美分计算，每周十条平均两分钟的语音消息，每月就要 8 美元，而这实际上只是一项很小的工作。StarWhisper 方案是一种免费的本地安装，可处理高达每日字数上限的无限免费转录。对于大多数偶尔使用 WhatsApp 的用户来说，这个上限是永远达不到的。
最快的途径是在与 StarWhisper 相同的 Windows PC 上使用 WhatsApp 桌面版。一旦关联，每个聊天中的每条语音便签都可以通过右键单击进行保存。对于任何计划经常转录语音便签的人来说，这是推荐的设置。
在上面的步骤中已经介绍过。右键单击，选择“另存为”，拖入 StarWhisper。只需两次点击的摩擦。只要您关联了桌面应用程序，这适用于任何聊天（个人或群组）中的每一条语音便签。
在 Android 上，长按语音便签，点击三点菜单，选择“分享”，并将其作为附件发送到您自己的电子邮件地址。在 iPhone 上，长按语音便签，点击“转发”，然后点击分享箭头图标，选择“邮件”。在 Windows 上打开 Gmail 或 Outlook，下载附件，并将生成的文件拖入 StarWhisper。该文件在 Android 上通常以 .opus 格式到达，在 iPhone 上则以 .m4a 格式到达。StarWhisper 都能处理。
要批量转录几个月的语音便签，请在手机上打开聊天，转到聊天设置，选择“导出聊天”，并选择包含媒体的选项。WhatsApp 会生成一个 zip 文件，其中包含每个音频附件的 .opus 文件。将 zip 文件传输到您的 PC，解压缩，并将文件夹拖到 StarWhisper 上。该应用将按顺序处理每一条语音便签，并按文件名标注每份转录文本。这就是人们将多年的家庭聊天音频迁移到可搜索文本时所使用的方法。
StarWhisper 的免费计划每天为您提供 500 字的额度，每周上限为 3500 字。一条典型的 60 秒 WhatsApp 语音便签可转录为大约 150 字的文本。根据这一计算，在免费版上每天大约可处理 3 到 5 条语音便签，或每周 20 到 25 条。对于大多数个人的 WhatsApp 使用来说，这已经足够了。
如果您通过 WhatsApp Business 经营小企业，从客户那里收到大量语音便签，或者进行批量历史转录，这些限制就会开始产生制约。Pro 计划每月 10 美元或每年 80 美元，可完全解除字数限制。Pro 计划详情和定价在专属页面上。此外，还有免费的 7 天试用版，可解锁无限访问权限，如果您想在付费前验证它是否适合您的工作量，可以使用该试用。
免费的本地模式和 Pro 本地模式产生完全相同的转录文本。Pro 计划不会使用不同或更智能的模型。它只是解除了字数限制并增加了一些工作流功能（自定义热键、词汇表，以及如果您选择加入时的优先云端回退）。对于只想偶尔阅读父母发来的长语音便签的人来说，免费版真的已经足够了。
来自朋友和家人的语音便签是您手机上最私人的音频数据之一。它们包含医疗投诉、感情纠葛、对同事的看法、家庭秘密，以及人们不希望被保存在某处服务器上的随口之言。将该音频上传到云转录服务意味着第三方获得了一份副本。
StarWhisper 默认在本地模式下运行。您拖入的音频文件会在您的 CPU 或 GPU 上解码，硬盘上的 Whisper 模型进行转录，生成的文本显示在屏幕上。不上传任何内容。不会在远程服务器上记录任何内容。没有任何内容会被人类审查以保证质量。您可以通过在处理文件之前拔掉网络连接来自行验证这一点；转录仍然可以正常工作。
如果您特别想使用 OpenAI Whisper API 来略微提高边缘情况下的准确性，云端模式可以在“设置”中作为可选开关使用。它有明确的标签，默认关闭，并且绝不会悄悄开启。对于敏感的个人语音便签，只需保持默认设置不变即可。要了解更深入的隐私机制，请参阅隐私和离线架构页面。
转录速度取决于您的硬件和语音便签的长度。以下是在常见机器上运行 Whisper medium 模型的大致数据：
| 硬件 | 30 秒语音便签 | 2 分钟语音便签 | 10 分钟语音便签 |
|---|---|---|---|
| 现代笔记本 CPU（i7 或 Ryzen 7） | 2 到 5 秒 | 10 到 20 秒 | 1 到 2 分钟 |
| NVIDIA RTX 3060 (CUDA) | 不到 1 秒 | 2 到 4 秒 | 10 到 20 秒 |
| NVIDIA RTX 4090 (CUDA) | 不到 1 秒 | 不到 1 秒 | 5 到 8 秒 |
| 较旧的 CPU（5 年以上） | 5 到 10 秒 | 30 到 60 秒 | 3 到 6 分钟 |
Whisper 模型的大小也很重要。StarWhisper 默认采用平衡的选择（medium），但您可以在“设置”中切换到较小（速度更快，准确率略低）或较大（速度较慢，准确率更高）的模型。对于语音便签，默认设置几乎总是可以的。巨大的质量差距在于 Windows 内置的听写功能和 Whisper 之间，而不是在不同的 Whisper 模型大小之间。
坦诚地说明它在哪些方面表现不佳。首先是非常嘈杂的音频。在交通繁忙或大风环境中在户外录制的语音便签，准确率会从 95% 以上下降到大概 80%。转录文本仍然具有可读性，但您可能会看到几个错误的单词。其次是句子中间频繁的语码转换。如果一条语音便签每隔一个词就在两种语言之间切换，Whisper 有时会选择一种语言并音译另一种语言。第三是某些语言中非常强烈的地方方言。来自西班牙、墨西哥和阿根廷的标准西班牙语效果都很好；非常浓重的农村方言可能会使模型感到困惑。
对于所有这些情况，解决方法都是一样的：尝试转录，并接受结果将是一个有用的初稿，而不是完美的记录。对于大多数个人语音便签，准确率远远超过了足够好的标准。
此外，对于在一条录音中包含多个声音的群聊语音便签，没有内置的说话人分离功能（这种情况很少见，但确实会发生）。StarWhisper 将所有内容转录为一个单一的文本块。如果需要，您可以在事后手动拆分它。